Про ИИ-ботов для продаж часто думают в двух крайностях.

Первая: это кнопочный сценарий. Нажмите 1, нажмите 2, оставьте номер, менеджер перезвонит.

Вторая: это ChatGPT, который подключили к Telegram или сайту. Клиент пишет вопрос, нейросеть отвечает.

Оба варианта могут быть полезны. Но если компании нужен бот, который помогает продавать, одной кнопочной анкеты мало. И одного ChatGPT тоже мало. Нужна маленькая система продаж: сценарий, база знаний, поиск по документам, правила, CRM и понятный момент, когда разговор уходит менеджеру.

В центре такой системы часто стоит RAG. Термин страшноватый, но идея простая: бот перед ответом сначала ищет нужную информацию в материалах компании, а потом отвечает клиенту.

Разберём на пальцах.

Бот для продаж похож на нового менеджера

Представьте, что в отдел продаж пришёл новый человек.

Если сразу посадить его в чат с клиентами, он будет как-то отвечать. Может, даже бодро. Но быстро начнутся проблемы: перепутает условия, забудет уточнить важное, пообещает лишнее, не поймёт, когда нужно позвать руководителя.

Чтобы человек нормально продавал, ему нужны материалы и правила:

- описание продукта;
- FAQ;
- прайс или правила расчёта;
- условия оплаты;
- список ограничений;
- скрипты;
- доступ к CRM;
- руководитель для сложных случаев.

ИИ-боту нужен похожий набор. Только вместо обучения в отделе продаж у него архитектура.

Обычно рабочий бот состоит из нескольких частей:

- канал общения: Telegram, сайт, WhatsApp или другой мессенджер;
- сценарий: какие вопросы задать и когда предложить следующий шаг;
- база знаний: документы, FAQ, сайт, презентации, инструкции;
- RAG: поиск нужных фрагментов в этой базе;
- языковая модель: пишет ответ обычным языком;
- правила: что можно говорить и чего нельзя обещать;
- интеграции: CRM, календарь, уведомления, аналитика;
- передача человеку: для сложных, дорогих и рискованных случаев.

Если убрать базу знаний, бот будет отвечать из общих представлений. Если убрать сценарий, он может долго переписываться и никуда не довести клиента. Если убрать CRM, результат разговора останется в чате.

Сценарный бот хорош, пока всё предсказуемо

Сценарный бот похож на анкету. Он задаёт вопросы в нужном порядке:

1. Какая услуга нужна?
2. В каком городе?
3. Когда хотите начать?
4. Куда прислать ответ?

Для простых задач этого хватает. Такой бот принимает заявку, записывает на консультацию, выдаёт материал, собирает контакт и отправляет уведомление менеджеру.

Проблема начинается, когда клиент пишет живым языком:

> Мы производим оборудование для складов. Хотим понять, можно ли автоматизировать заявки от дилеров. Сейчас всё в почте, CRM и Excel. С чего начать?

Кнопочный бот в такой ситуации часто возвращает пользователя в меню. Он не понимает, что перед ним кусок бизнес-контекста, а не выбор из трёх готовых вариантов.

ИИ-бот может разобрать сообщение, выделить задачу, задать уточняющий вопрос, найти подходящие материалы и передать менеджеру краткое резюме.

ChatGPT без ваших данных будет импровизировать

Языковая модель умеет писать, объяснять и поддерживать диалог. Но сама по себе она не знает вашу компанию.

Она не обязана знать:

- какие услуги вы сейчас продаёте;
- какие цены и условия актуальны;
- какие кейсы можно показывать;
- какие обещания запрещены;
- когда нужно позвать менеджера;
- какие поля должны попасть в CRM.

Без корпоративных данных бот превращается в разговорчивого консультанта без доступа к документам. Он звучит уверенно, но для продаж этого мало. Красивая формулировка вторична. Важно, чтобы бот не придумал цену, не пообещал невозможное и не потерял лида после разговора.

Поэтому к модели добавляют базу знаний и RAG.

Что такое RAG простыми словами

RAG - это способ заставить ИИ отвечать с опорой на найденные материалы.

Представьте продавца в магазине сложного оборудования. Клиент спрашивает:

> Эта модель работает при минусовой температуре?

Плохой продавец отвечает по памяти. Нормальный продавец открывает спецификацию, смотрит диапазон температур и только потом говорит.

RAG делает для бота примерно то же самое. Система сначала ищет подходящие фрагменты в базе знаний: на сайте, в FAQ, презентациях, регламентах, таблицах, инструкциях. Потом передаёт эти фрагменты языковой модели. Модель уже формулирует ответ для клиента.

В материалах Microsoft этот процесс описан как три шага: retrieve, augment, generate. Сначала найти данные, потом добавить их к вопросу, затем сгенерировать ответ. OpenAI описывает retrieval как поиск по смысловой близости: система может найти подходящий фрагмент даже без точного совпадения слов.

Если совсем бытовая аналогия, RAG - это продавец с папкой документов. Он не сочиняет ответ на ходу, а сначала открывает нужную страницу.

Как RAG работает внутри

Сначала компания готовит материалы:

- страницы сайта;
- презентации;
- FAQ;
- прайс;
- условия оплаты;
- скрипты продаж;
- инструкции менеджеров;
- кейсы;
- ограничения и стоп-формулировки.

Потом система делит документы на небольшие фрагменты. Если клиент спрашивает про оплату, боту нужен раздел про оплату, а не вся презентация на 80 страниц.

Дальше фрагменты попадают в индекс. Индекс можно представить как умный каталог. Он ищет по словам и по смыслу.

Клиент пишет:

> Можно платить частями?

В документе может быть написано "доступна поэтапная оплата". Обычный поиск по словам может промахнуться. Семантический поиск понимает, что смысл близкий.

Один ответ бота проходит такой путь:

1. Клиент задаёт вопрос.
2. Бот понимает намерение: вопрос, заявка, возражение, просьба к менеджеру.
3. RAG ищет подходящие фрагменты в базе знаний.
4. Модель получает вопрос, найденные фрагменты и правила.
5. Модель пишет ответ.
6. Бот уточняет данные или предлагает следующий шаг.
7. Если клиент готов, бот создаёт лид в CRM и передаёт менеджеру контекст.
8. Если вопрос рискованный, бот не отвечает сам и зовёт человека.

Что это даёт продажам

Первый эффект: бот меньше импровизирует. Он опирается на FAQ, описание услуги, прайс, регламент или инструкцию. Риск ошибок не исчезает, но его можно снижать: нормальной базой знаний, правилами, тестами и передачей сложных случаев человеку.

Второй эффект: знания проще обновлять. Поменяли условие, обновили источник, переиндексировали базу. После этого бот начинает опираться на новую версию материалов.

Третий эффект: лиды приходят к менеджеру теплее. Бот уточняет задачу, сроки, бюджет, компанию, контакт и передаёт краткое резюме разговора.

Четвёртый эффект: CRM заполняется ровнее. Если интеграция сделана нормально, бот создаёт сделку, заполняет поля, ставит задачу и сохраняет историю обращения.

Менеджер получает не фразу "клиент что-то спрашивал", а контекст: что нужно, какие системы уже есть, какие вопросы остались. Это экономит первый круг переписки.

Сценарии всё равно нужны

ИИ не заменяет сценарий продаж.

Сценарий нужен, чтобы бот:

- собрал обязательные поля;
- не забыл квалификационные вопросы;
- предложил консультацию в нужный момент;
- передал менеджеру рискованный запрос;
- записал данные в CRM в правильном формате.

Хороший бот сочетает структуру и свободный диалог. Сценарий ведёт к заявке. ИИ помогает там, где человек пишет своими словами и не попадает в готовую кнопку.

Что подготовить перед разработкой

Для первой версии не нужен идеальный корпоративный портал. Нужен минимальный набор материалов, по которым бот сможет отвечать.

Подготовьте:

- описание услуг;
- частые вопросы и ответы;
- прайс или принципы расчёта;
- условия оплаты и сроков;
- список ограничений;
- критерии хорошего лида;
- правила передачи менеджеру;
- примеры типовых диалогов;
- поля CRM, которые нужно заполнять.

Отдельно нужен стоп-лист. Например: не обещать точный срок без оценки проекта, не называть цену без вводных, не давать юридические гарантии, не раскрывать NDA-кейсы.

Это скучная часть. Зато именно она отличает рабочего ИИ-бота от красивой демки.

Как CRM превращает разговор в продажу

Бот без CRM просто поговорил с клиентом. Для продаж этого мало.

Интеграция нужна, чтобы бот:

- создал лид или сделку;
- заполнил поля по ответам клиента;
- приложил резюме диалога;
- поставил задачу менеджеру;
- отправил уведомление в нужный чат;
- сохранил историю обращения.

HubSpot в своих материалах описывает типовые задачи чат-ботов похожим образом: квалификация лидов, запись на встречи, ответы на частые вопросы и использование CRM-данных для персонализации. Смысл тот же: бот должен доводить разговор до действия в системе продаж.

Где бот должен остановиться

В продажах есть места, где автоматический ответ опасен.

Человеку лучше передавать:

- крупные сделки;
- нестандартные запросы;
- вопросы по договору;
- скидки;
- конфликтные ситуации;
- персональные условия;
- всё, где ошибка дорого стоит.

Роль бота - принять первый контакт, ответить на типовые вопросы, собрать данные, найти информацию, подготовить резюме и ускорить менеджера. Ответственность за договорённости остаётся у человека.

С чего начать

Не начинайте с выбора модели.

Сначала опишите процесс:

1. Откуда приходят лиды.
2. Какие вопросы они задают чаще всего.
3. Какие ответы сейчас дают менеджеры.
4. Какие данные нужно собрать до консультации.
5. Что должно попасть в CRM.
6. Когда бот обязан позвать человека.

После этого можно собрать первую версию: один канал, одна главная задача, одна база знаний, несколько сценариев и понятная передача менеджеру.

Такой бот не обязан сразу закрывать все продажи. Для первой версии достаточно, чтобы он аккуратно принимал входящие вопросы, не придумывал факты, собирал контекст и помогал менеджеру быстрее включиться в разговор.

BrainBloom AI проектирует таких ботов для бизнеса: с базой знаний, RAG, CRM, ограничениями и передачей сложных случаев человеку. Начать можно с карты входящих обращений и материалов, по которым менеджеры уже отвечают клиентам.